Halaman ini menjelaskan setiap kolom output dari Vertex AI RAG Engine.
retrieveContexts
Bagian ini menjelaskan setiap kolom yang ditentukan dalam retrieveContexts API dan menggunakan kolom dalam contoh kode.
Kolom
| Nama kolom | Deskripsi | 
|---|---|
| source_uri | File sumber asli sebelum diimpor ke RAG. Jika file diimpor dari Cloud Storage atau Google Drive, source_uriadalah URI file asli di Cloud Storage atau Drive. Jika file diupload,source_uriadalah nama tampilan file. | 
| source_display_name | Nama tampilan file. | 
| text | Potongan teks yang relevan dengan kueri. | 
| score | Kesamaan atau jarak antara kueri dan potongan teks.
Kesamaan atau jarak bergantung pada vectorDByang Anda pilih. UntukragManagedDB, skornya adalahCOSINE_DISTANCE. | 
Contoh output
Contoh kode ini menunjukkan penggunaan kolom untuk menghasilkan output contoh.
contexts {
    source_uri: "gs://sample_folder/hello_world.txt"
    source_display_name: "hello_world.txt"
    text: "Hello World!"
    score: 0.60545359030757784
  }
generateContent
Sebagian besar kolom yang ditentukan untuk generateContent API dapat ditemukan di
Isi respons.
Kolom
Bagian ini menjelaskan setiap kolom yang ditentukan di bagian grounding_metadata dari
API generateContent dan menggunakan kolom dalam contoh kode.
| Nama kolom | Deskripsi | 
|---|---|
| text | Respons yang dihasilkan oleh Gemini. | 
| grounding_chunks | Potongan yang ditampilkan oleh Mesin RAG Vertex AI. | 
| retrieved_context | Kolom berulang yang dapat memiliki nol atau lebih potongan yang digunakan untuk mendasari konten yang dihasilkan. | 
| 
 | 
 | 
| 
 | 
 | 
| 
 | 
 | 
| grounding_supports | Hubungan antara konten yang dihasilkan dan potongan perujukan. Ini adalah kolom berulang. Setiap kolom grounding_supportsmenunjukkan hubungan antara satu segmen teks dari konteks yang dihasilkan dan satu atau beberapa potongan teks yang diambil RAG. | 
| segment | Segmen teks yang memiliki rujukan dari teks yang dihasilkan. | 
| 
 | 
 | 
| 
 | 
 | 
| 
 | 
 | 
| grounding_chunk_indices | Chunk yang digunakan untuk mendasari segmen teks. Ada lebih dari satu bagian yang dapat digunakan untuk mendasari teks. Indeks dimulai dari 0, yang mewakili potongan pertama dalam kolomgrounding_chunks. Tanah berada di seluruh potongan. Bagian chunk yang mendasari respons tidak ditentukan. | 
| confidence_scores | Skor yang digunakan untuk mendasarkan teks pada potongan tertentu. Skor tertinggi yang mungkin adalah 1dan makin tinggi skornya, makin tinggi tingkat keyakinannya. Setiap skor cocok dengan setiapgrounding_chunk_indices. Hanya potongan dengan skor keyakinan minimal0.6yang disertakan dalam output. | 
Contoh output
Contoh kode ini menunjukkan penggunaan kolom untuk menghasilkan output contoh.
candidates {
  content {
    role: "model"
    parts {
      text: "The rectangle is red and the background is white. The rectangle appears to be on some type of document editing software. \n"
    }
  }
  grounding_metadata {
    grounding_chunks {
      retrieved_context {
        uri: "a.txt"
        title: "a.txt"
        text: "Okay ,  I  see  a  red  rectangle  on  a  white  background .  It looks like it\'s on some sort of document editing software. It has those small squares and circles around it, indicating that it\'s a selected object ."
      }
    }
    grounding_chunks {
      retrieved_context {
        uri: "b.txt"
        title: "b.txt"
        text: "The  video  is  identical  to  the  last  time  I  described  it .  It shows a blue rectangle on a white background."
      }
    }
    grounding_chunks {
      retrieved_context {
        uri: "c.txt"
        title: "c.txt"
        text: "Okay ,  I  remember  the  rectangle  was  blue  in  the  past  session . Now it is red.\n The  red  rectangle  is  still  there .  It \' s  still  in  the same position on the white background, with the same handles around it. Nothing new is visible since last time.\n You \' re  welcome .  The  red  rectangle  is  still  the  only  thing visible."
      }
    }
    grounding_supports {
      segment {
        end_index: 49
        text: "The rectangle is red and the background is white."
      }
      grounding_chunk_indices: 2
      grounding_chunk_indices: 0
      confidence_scores: 0.958192229
      confidence_scores: 0.992316723
    }
    grounding_supports {
      segment {
        start_index: 50
        end_index: 120
        text: "The rectangle appears to be on some type of document editing software."
      }
      grounding_chunk_indices: 0
      confidence_scores: 0.98374176
    }
  }
}
Langkah berikutnya
- Untuk mempelajari lebih lanjut konteks RAG dalam referensi API, lihat Konteks.
- Untuk mempelajari RAG lebih lanjut, lihat Ringkasan Mesin RAG Vertex AI.